🇬🇧 English version

Два взгляда на один профиль: Архитектор / Product Manager (вы здесь) | Разработчик

20+ лет в строительной отрасли в роли РП, PMO и планировщика. Строю AI-продукты, которые решают реальные проблемы стройки - от ведения протоколов штабов и распределения командных ролей до аудита расписаний и контроля дефектов. Последний год - ещё и голос с телефонией, прогноз временных рядов и инфраструктура для агентов.

Проектирую и вывожу в продакшен AI-системы. Не как подрядчик со стороны IT, а как человек, который 20 лет составлял КСГ, ходил на штабы и координировал подрядчиков - и понимает, где болит.

6 продуктов в продакшене (PlanPulse, Штаб, Fluffy Fox Ear, DefectMaster B2C и B2B, Belbin Role Test). 11 AI-агентов под заказ (пилоты и боевые). 7 своих MCP-серверов. Полный цикл: от формулировки задачи до работающего корпоративного сервиса или SaaS с биллингом.

Как я работаю с AI-кодом: контракт модуля пишется до кода; тесты пишет отдельный агент и не показывает их тому, кто пишет реализацию; дифф ревьюю каждый день целиком. Так я один держу шесть продуктов в проде без команды.

Руководитель проекта загружает график - через 30 секунд получает заключение: где проблемы, что доработать, насколько график реалистичен. Без опыта в КСП.

• Парсинг 30+ форматов расписаний (Primavera P6, MS Project, Asta Powerproject) через MPXJ
• 31 проверка по стандартам DCMA-14 и авторской методике PRIM_X
• AI-пояснения к каждой проверке на понятном языке
• Три интерфейса: Telegram-бот, Web App, REST API
• 12 Docker-контейнеров: парсер, анализ, отчёт, дашборд, проверка логики, бот, API, админка, лендинг, VPN-сайдкар, автоперезапуск, мониторинг; FastAPI, CI/CD, биллинг ЮKassa
• Свой сервис мониторинга раз в 15 минут опрашивает API, Telegram-бота и каждый мой публичный сайт (проверка по ключевому слову на странице) и шлёт алерт при сбое

planpulse.ru | Telegram Bot | Web App

Отдел контроля качества продаж заказывает проверку: агент сам звонит менеджеру, играет клиента по заданному сценарию, ведёт живой разговор голосом и отдаёт запись с транскриптом. Никакого оператора на линии. Этапы 1 и 2 сданы заказчику с актами и живыми замерами.

• Звонок одним запросом. Система заказчика отправляет номер и сценарий - звонок происходит без ручных действий. Добавочный донабирается сам.
• Разговор, а не анкета. Речь-в-речь без промежуточного «подумайте»: пауза ответа до 3 секунд. Собеседник перебивает - агент замолкает за секунду. Замер не на слово: по двухдорожечной записи, где агент и человек на раздельных дорожках.
• Звучит как человек. Запинки, слова-паразиты, междометия. Голос, темп и манера задаются на каждый звонок. Фон локации по выбору: улица, автомобиль, колл-центр. Телефонная деградация по кнопке.
• Управляется извне, на лету. Сценарий, обязательные вопросы, условие завершения, окно расписания, лимит длительности, число повторов при недозвоне - всё параметры заказа. Автоответчик распознаётся и не считается разговором.
• Ничего не теряется. Персистентная очередь переживает рестарт. Результат приходит подписанным вебхуком, а если сервер заказчика лежал - забирается сам с журналом попыток. Записи уходят напрямую в хранилище заказчика и через 7 суток удаляются сами.
• Честный отказ вместо перегрузки. Лимит линий считается в секундах, невыполнимая пачка отклоняется сразу с расчётом ёмкости. Повтор заказа при сетевом сбое не создаёт дубль.

Как сделано: OpenAI Realtime как движок диалога, Twilio как телефония, FastAPI, персистентная очередь, вебхуки с подписью и повторами. Спецификация интерфейса v1.2 прошла разбор по FPF (First Principles Framework, открытая методология проверки спецификаций; 12 критичных дыр закрыты). Пять противоречий разрешены по ТРИЗ. Зависимости с проверенными лицензиями, фоны CC0. В логах нет ни номеров, ни текстов разговоров.

Торговая команда получает недельный прогноз по своему набору инструментов. Модель переобучается каждую неделю с нуля: на каждую отсечку свой датасет, своя модель, прогноз только своей недели. Это и есть защита от подглядывания в будущее.

• Chronos-2 на локальных весах через AutoGluon, GPU в контейнере, история 5 лет, два таймфрейма
• Боевой прогон на 16 отсечках, dry-run, продолжение после сбоя с любой отсечки
• Каждый из 7 модулей возвращает не данные, а отчёт с проверкой - конвейер сам говорит, где сломался
• Хранилище свечей и прогнозов - ClickHouse, выдача команде переведена с файлов на базу

Две находки, которые стоили дороже кода. Старый конвейер переписывал границу обучения и сделал все 18 наборов одинаковыми - 9 часов видеокарты впустую при красивых метриках. Калибратор брал показатели с бара, которого модель ещё не видела, и «улучшал» прогноз на 20 пунктов. Обе закрыты предохранителями, а не правкой одного места.

Инспектор фотографирует дефект - бот определяет тип, оценивает критичность и указывает, какой СНиП, ГОСТ или СП нарушен. Автоматическая генерация отчёта.

• AI-анализ изображений через Google Gemini (Vision)
• Привязка к нормативной базе РФ - не абстрактное описание, а конкретная норма
• Два продукта: stroycontrolbot.ru (B2C) и stroycontrolai.ru (B2B)

Загружаешь облако точек лазерного скана помещения - через 2 минуты готов пакет обмера: модель IFC для Archicad/Revit, обмерочный план DXF, карты отклонений от плоскости для каждой стены и пола (сетка 25×25 мм), расчёт черновой отделки (штукатурка, откосы, стяжка) с объёмами и сметой в PDF. Площадные объекты легко мерить - и легко мерить неправильно; скан меряет всю поверхность, а не три точки рулеткой.

• Плоскость выравнивания выбирается экономическим оптимумом: срубить бугор или лить лишние кубы смеси - программа считает оба варианта
• Каждая цифра с уровнем доверия: измерено / частично / тень сканера; посторонние предметы у стен находятся автоматически
• Регрессия на эталонных сканах: 11 метрик с допусками на каждый прогон
• Полный прогон - 1.8 минуты; сканер Leica RTC360, паспортная точность 1,9 мм на 10 м
• Вокруг конвейера - мини-CRM: заявка с лендинга, письмо клиенту по кнопке в Telegram, календарь выездов, чат для сотрудников

Каждую неделю на стройке - штаб. Десятки поручений, сроки, ответственные. Протоколы ведутся в Word или Excel, рассылаются по почте и теряются. «Штаб» решает это:

• Импорт существующих протоколов, формирование пунктов с голоса
• AI-помощь с формулировками и созданием чек-листов
• Контроль исполнения поручений, напоминания исполнителям
• Первичный анализ и обратная связь по предоставленным отчётам
• Уведомления по email и Telegram-бот
• Дашборд с аналитикой, отслеживание сроков

Loomio - open-source платформа обсуждений. Моя надстройка: роутинг между Claude, Gemini и GPT, очередь ответов в треде, деградация при отказе провайдера. Создана и применяется для разработки расширенной методики анализа строительных графиков в закрытой группе из ~100 приглашённых экспертов по КСП.

Спрашиваешь «как честно поделить, если один вложил деньги, а другой время» - получаешь не совет, а три-пять механизмов из теории игр, mechanism design и стратагем с примерами и контрмерами.

• 2477 карточек из 30 источников, 26 книг разобраны LLM-агентами в конспекты
• Свой RAG: SQLite-индекс, поиск по описанию ситуации, а не по ключевым словам
• MCP-сервер на 5 инструментов: поиск, карточка, связанные, случайная, мост в ТРИЗ
• Граф связей 279 проверенных рёбер; карта ТРИЗ на 40 приёмов и 204 поисковых термина
• Диверсионный разбор ядра: 284 атаки с контрмерами и 146 усилений
• Методическая полка для авторов курсов: 152 карточки

Ведётся по GRACE 4 автономными AFK-сессиями, проведён системный разбор по FPF.

Инструмент, который я использовал как РП для формирования проектных команд. Психометрический анализ по методике Белбина: определяет роль каждого участника, показывает баланс команды и подсказывает, кого не хватает. Помогает при подборе новых участников и перераспределении ответственности. И поскольку этим проектом помимо суровых РП пользуются HR - там есть котики!

Корпоративный SaaS: загрузка аудиозаписей совещаний и защит, транскрибация (WhisperX), диаризация спикеров, генерация структурированных протоколов. Работа с несколькими микрофонами для выбора лучшей записи, анализ транскрибации с учётом контекста - например, текста диссертации или автореферата. Эта разработка также применена в проекте Штаб

Full-stack MVP для рекрутингового стартапа. Руководитель в чате описывает позицию - голосом или текстом - AI собирает структурированную вакансию с разделами (требования, обязанности, условия), задачи на интервью и чек-листы. 3-зонный UI: список вакансий ⇆ чат с AI ⇆ панель артефакта с inline-редактированием и real-time обновлениями через SSE. Voice-input с live VU-meter, auth-hardening, чек-листы автоматически расширяются по контексту.

• Backend: Python 3.12 + FastAPI + SQLAlchemy 2.x async + Alembic + arq + Redis + Instructor + OpenRouter
• Frontend: Next.js 15 + App Router + TypeScript + AI SDK Vercel + TanStack Query + Zustand + shadcn/ui
• Полный цикл разработки по фреймворку GRACE - от requirements и knowledge-graph до verification-plan

Knowledge graph на Neo4j с GraphRAG, чат-интерфейс для риск-менеджера, 2D-визуализация графа. AI-агент на графе знаний: от пользовательского запроса на естественном языке - до сгенерированного Cypher-запроса и интерпретации результата. Векторный поиск по описаниям рисков и инцидентов, привязка к строительным нормам.

Говоришь Станции «спроси Клода, что это за трек» - Станция отвечает своим голосом, а не голосом Алисы. Лайк, дизлайк, поиск и запуск музыки - через тот же контур.

• MCP-сервер music: пульт Станции по локальному протоколу, лайки, поиск, произвольный mp3 по ссылке
• «Уши» через навык Алисы: голос уходит на сервер, оттуда в агента, ответ возвращается синтезом с нормализацией громкости
• Режим дежурства: агент слушает и отвечает, пока не скажешь «хватит»
• Правило безопасности зашито: по голосу только чтение и обратимое. Отправить, удалить, оплатить - только из чата

11 агентов на базе LLM под заказ; по ссылкам - демо-версии, боевые стоят у заказчиков. У большинства - RAG по документам заказчика и интеграции (Google Sheets, назначение Zoom-встреч, Битрикс24).

Открытый Claude Code плагин: сначала контракт, потом код. Модель не «пишет код», а реализует утверждённый MODULE_CONTRACT и knowledge graph.

Автор GRACE - @osovv. Мой вклад: в апстрим - PR #26 grace-afk, автономный режим с бюджетом и эскалацией в Telegram (на ревью); в своём форке - Hardening Pass 1 (anti-rationalization чек-листы, evidence-driven verification, проверка целостности knowledge graph). В августе 2026 подготовил предложение об обратимых эффектах: поля EFFECTS и REVERT в контракте модуля, автоматический инвентарь эффектов проекта. Статья RU и EN, обкатано на claudebar при миграции GRACE 3 → 4; PR в апстрим - следующий шаг.

Rust + Win32, всегда сверху, переключатель между открытыми сессиями Claude Code и редакторами. v0.4.1 (релиз, июнь 2026) + main (август 2026): индикатор входящих с иконками источников (Gmail, Яндекс, Mail.ru, Telegram, MAX) - строка проекта показывает, что пришло, и открывает письмо по клику. «Разобрано» ставит тот, кто прочитал, а не человек руками. Управляется по GRACE 4 с обратимыми эффектами в контрактах.

Семейство серверов Model Context Protocol, через которые мои агенты ходят в мессенджеры, почту, документы и железо. 7 своих MCP-серверов: mail-mcp, mcp-gdocs, mcp-server-matrix, mcp-server-max, music, mech, planpulse-mcp; вклад в чужие: mcp-telegram (PR #49 принят). Использую сам, часть опубликована.

• mcp-gdocs - Google Docs из Markdown с полным форматированием (заголовки, таблицы, списки, bold/italic).
• mcp-server-matrix - Matrix: чтение и отправка сообщений, управление комнатами.
• mcp-server-max - мессенджер MAX. Плюс форк renosaza/max-mcp: восстановление после обновления клиента, отпечаток сессии, скачивание вложений (PR в апстрим - следующий шаг).
• mail-mcp (private) - почта над несколькими IMAP/SMTP (Gmail, Яндекс, Mail.ru, MXroute) с памятью на запрашивателя: одно письмо не отдаётся дважды. Роутер входящих раскладывает письма, Telegram и MAX по папкам проектов и зажигает значок в claudebar. Управление ящиками через DirectAdmin.
• music (private) - пульт Яндекс Станции, см. выше.
• mech (private) - поиск механизмов в idea-collection, см. выше.
• planpulse-mcp (private) - DCMA-анализ календарно-сетевых моделей .mpp / .xer / .xml прямо из AI-агента.
• mcp-telegram (апстрим mcp-telegram/mcp-telegram) - мой вклад принят в апстрим: режим shared daemon, чтобы несколько MCP-клиентов работали через одну сессию (PR #49). В своём форке - перевод на GRACE и systemd-деплой.

Платформа бизнес-аналитики: AI-скоринг звонков (BANT-квалификация, эмоциональный анализ DUSHA, рейтинг менеджеров) + строительный дашборд (EVM-анализ CPI/SPI, диаграмма Ганта, S-кривая бюджета).

Demo: user / demo2024

Computer Vision на производственной линии колёсных дисков. YOLOv8 находит сварной шов в реальном времени через лазерную проекцию и управляет остановкой вращения для точного позиционирования.

AI-агент для автоматизации деплоя: 15 секунд вместо 7 минут. Анализ логов, миграции БД, управление Docker-контейнерами по SSH.

CV-пайплайн сегментации объектов (PyTorch, SAM, U2-Net). Специализация на металлических объектах с бликами.

Кластеризация 45K текстовых эмбеддингов. Очистка ансамблем (KNN, LOF, Isolation Forest), подбор k четырьмя метриками, KMeans + t-SNE.

Физический симулятор: лагранжева механика, символьный вывод уравнений (SymPy), оптимизация генетическим алгоритмом. Дальность 2 840 м.

Определение точки удара акустической триангуляцией. 6 датчиков, нелинейная оптимизация методом наименьших квадратов.

Конвертер Excel -> Markdown. Однофайловый инструмент без зависимостей.

Мои PR #111-#114: восстановление экспорта Area, фикс batch/export под новый API nspd.gov.ru, валидация кадастрового номера, логирование без глобального basicConfig (на ревью мейнтейнера).

Извлечение структурированных данных из экспортов Telegram-чатов через LLM. Кастомизируемые промпты под разные типы извлечения, вывод в JSON и Excel, dark GUI и CLI.

Backend-сервис генерации SEO-описаний товаров. TypeScript-стек: NestJS + LangChain.js + Zod (валидация выхода LLM против схем) + OpenRouter.

Исследовательский стенд для распознавания аудиопотока в реальном времени с автоматическим семантическим тегированием. Параллельная работа Google Cloud STT и WhisperX для сравнения качества, real-time веб-визуализация распознанных тегов.

Экосистема входа через Telegram для внешних приложений: Auth Hub, клиентская библиотека, CLI, JWT + FastAPI. Позволяет сторонним сервисам делегировать аутентификацию пользователей через Telegram-ботов.

Личный AI-инструмент для работы с hh.ru: поиск и скоринг вакансий через OpenRouter по двум резюме, индивидуальные сопроводительные письма на основе описания вакансии (без шаблонов), отправка через API с браузерным фолбэком для тестов работодателя. Конвейер черновиков pending → ready → sent, синк живых переписок раз в 15 минут, учёт причин пропуска, внешние анкеты. FastAPI backend + Vite/React frontend + SQLite.

Тестовые задания ниже я довожу не до «работает», а до формата разбора: постановка, принятые решения и отвергнутые альтернативы, замер, честный список того, что не сделано. Так они становятся учебными кейсами, а не строчками в портфолио.

Что в этом массиве:

• 11 публичных репозиториев, из них шесть - полные кейсы с измеренными цифрами. Автотесты в девяти из одиннадцати; в семи README названо число, суммарно 370+.
• Видимая развилка вместо готового ответа. Три стратегии поиска по документу с таблицей токенов, задержки и цены. Отказ от LLM в пользу правил с объяснением, почему эмбеддинги здесь лишние. Порог честного отказа, откалиброванный по данным и закрытый тестом.
• Разбор собственных ошибок как материал. В annual-report-qa показано, как метрика давала 30 из 30, и почему честная цифра - 17 из 30. В vibecheck - четыре случая, где я оказался неправ, и чем именно это поймал.
• Сквозные приёмы, которые повторяются от кейса к кейсу: честный отказ вместо догадки, тесты без сети на фикстурах, отдельный документ «решения и отвергнутые альтернативы», раздел «что не сделал и почему».

Методические активы:

• Гайд «От чата к агентам» для непрограммистов: ~22 000 слов, 10 практических рецептов формата «постановка, промпт, грабли, чем проверить», 8 разборов агентных оболочек (Claude Code, Codex CLI, Gemini CLI, Cline и другие), полигон с синтетическими данными и эталонными ответами. Безопасность стоит первым шагом, до установки чего-либо. Доступен по запросу.
• Конвейер подготовки учебных материалов: исследование → проектирование от результата → три независимые проверки (композиция, противоречия по ТРИЗ, переобещание). Каждый этап атакует результат предыдущего, а не дополняет его. Улов на одном комплекте: 10 дефектов композиции, 5 решений из противоречий, 12 мест, где заявление было сильнее доказательства.
• Методические ответы наставника (test-07-11): почему RAG сыпется на живых вопросах и как мерить retrieval и generation раздельно; разбор кода студента по семи пунктам; план на две-три недели для застрявшего.
• Автор учебных кейсов и ревьюер в образовательных AI-проектах (под NDA). Loomio AI применяется для методической работы в закрытой группе из ~100 приглашённых экспертов по КСП. В idea-collection - полка для авторов курсов на 152 карточки.

Тестовое Senior AI/ML: вопросы-ответы по PDF-отчёту на 201 страницу с провенансом до номера страницы. Числа извлечены двумя независимыми путями (парсер + vision-модель) и сверены между собой. Три режима поиска - полный контекст, роутер по разделам, BM25 - замерены на общем наборе вопросов: цена ответа от $2.11 до $0.31 при том же качестве. Границы ответственности встроены: инвестрекомендации не выдаются, ответ без источника не считается ответом. Streamlit-демо одной командой.

Тестовое Crown (AI & Data): вопрос-ответ по базе знаний. FastAPI, эмбеддинги E5, FAISS с сохранением на диск, OpenRouter. Главное решение: порог релевантности. Ниже порога модель не вызывается вообще, сервис отвечает «в базе знаний ответа нет». Тесты на чанкование, поиск и контракт отказа. MIT.

Тестовое РУСАЛ: обезличивание баз перед передачей наружу. LLM строит план санитизации по метаданным схемы, не видя самих данных, исполняет план детерминированный движок (Greenmask) - у нейросети нет доступа к содержимому, у исполнителя нет свободы импровизации.

Тестовое МСТРОЙ: сырые названия должностей приводятся к классификатору из 56 канонических. Закрытый контур - только стандартная библиотека, без внешних API. Три шага: нормализация, доменные синонимы, fuzzy-скоринг. 100% на размеченной выборке (50 из 50); из 300 записей сопоставлено 280, на ручную проверку помечено 5.

Тестовое fullstack: FastAPI + React + PostgreSQL. Разбор банковской выписки, статусы актов, дашборд.

Тестовое: проверка запросов к Agent API «Вайб-Маркетолог» по их же каталогу - до отправки и до списания денег.

Тестовое на позицию наставника: 6 заданий с ответами.

Тестовое задание: FastAPI + React + PostgreSQL в Docker. Группа ведёт общие траты, сервис считает кто кому сколько должен и предлагает минимальный набор переводов для взаиморасчёта. Запуск одной командой (docker compose up).

Тестовое задание из трёх частей в одном репозитории:

• FastAPI веб-конвертер с retry, TTL-кэшем и кросс-конвертацией через рубль - развёрнут на converter.teamplan.ru.
• Async CLI с обработкой данных ЦБ (суточная динамика, топ движений), экспортом в CSV/JSON, Docker и инструкцией.
• Google Apps Script - выгрузка курсов в Google Таблицу по триггеру через UrlFetchApp.

Тестовое задание fullstack: Python backend + React frontend, MVP файлового обмена.

Скачивание каталога файлов из внешнего API с rate-limit и статистика цифр 0-9; FastAPI + httpx + SQLite, спроектирован по GRACE.

Backend: Python, FastAPI, Docker, PostgreSQL, ClickHouse, Rust, CI/CD

AI/ML: PyTorch, scikit-learn, YOLOv8, OpenCV, LangChain, FAISS, E5-эмбеддинги, WhisperX, AutoGluon / Chronos-2

LLM и агенты: OpenAI, Claude, Gemini API, OpenAI Realtime + Twilio (голос и телефония), RAG, prompt engineering, multi-agent systems, MCP, Claude Code, GRACE

Строительные стандарты: DCMA-14, PRIM_X, EVM (CPI/SPI), критический путь, Primavera P6, MS Project, Spider Project